Administratieve informatie
| Titel | Gevolgtrekking en voorspelling |
| Looptijd | 60 |
| Module | A |
| Type les | Lezing |
| Focus | Technisch — Stichtingen van AI |
| Onderwerp | Fundamenten van AI |
Sleutelwoorden
Bayesiaanse gevolgtrekking, maximale waarschijnlijkheid, maximum a posteriori, Bayesiaanse model gemiddeld.,
Leerdoelen
- Leerlingen begrijpen het basisidee van het Bayesiaanse denken,
- Leerlingen zijn bekend met ML en MAP inferentie met verschillende distributies,
- Leerlingen begrijpen de algoritmische aspecten van ML/MAP inferentie en voorspelling,
- Leerlingen begrijpen het idee van Bayesiaanse model gemiddelden en probabilistische voorspellingen.
Verwachte voorbereiding
Leren van gebeurtenissen die moeten worden voltooid voordat
Geen.
Verplicht voor studenten
- Herziening van de basiswaarschijnlijkheidstheorie.
Optioneel voor studenten
Geen.
Referenties en achtergronden voor studenten
- Bishop, Christopher M. (2006). Patroonherkenning en machine learning, hoofdstuk 1 en 2. Voor een kort overzicht van de waarschijnlijkheidstheorie, zie Paragraaf 1.2.
Aanbevolen voor docenten
- Maak kennis met het demonstratiemateriaal.
Lesmateriaal
Instructies voor docenten
Bespreek de onderwerpen in het lesoverzicht en demonstreer de concepten met behulp van de interactieve notitieblokken (waarschijnlijkheidsmaximalisatie/verliesminimalisatie, relatie tussen de vorige, achterste en het aantal waarnemingen). Geef een kort overzicht van de code.
Overzicht/tijdschema
| Duur (min) | Omschrijving | Concepten |
|---|---|---|
| 10 | Bayesiaanse behandeling van een munt gooien | observatie, parameter, Bernoulli-verdeling |
| 10 | Gevolgtrekking via maximale waarschijnlijkheid | waarschijnlijkheid, verliesfunctie, crossentropie |
| 10 | Demonstratie (vergelijkbaarheid maximalisatie) | — |
| 15 | Probabilistische gevolgtrekking via de stelling van Bayes | voorafgaande, achterste, beta-verdeling, hyperparameters, maximum a posteriori |
| 5 | Demonstratie (vooraf en achteraan) | — |
| 10 | Voorspellende distributie en modelgemiddelde | voorspellende distributie, Bayesiaanse model gemiddeld |
Erkenningen
Het Human-Centered AI Masters-programma werd mede gefinancierd door de Connecting Europe Facility van de Europese Unie in het kader van de subsidie CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.